文章 "机器学习和交易中的元模型：交易订单的原始时序" - 页 14

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

参考资料

哦，Mai Gash，有多少功能......你需要一个数据框列、一个 Klose 列和标签

就像文章里说的那样，看看数据框是什么样的。否则，你就得重写测试器和其他所有东西。

我甚至不知道学习这样的东西需要多少时间。

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

我们需要一个日期列、一个 Klose 列和标签。

就像文章里说的，看看数据框架。否则，你就得重写测试器和其他一切。

我都不知道学习这样的东西需要多长时间。

所以我重写了测试器和其他一切....。

好的。

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

我不知道要花多长时间来训练这些东西。

我的代码比原始代码运行得更快一些：)所以训练速度更快。但我使用的是 GPU。

请说明代码中是否有错误。

    X = dataset[dataset['meta_labels']==1]
    X = dataset[dataset.columns[:-2]]

这个表达式似乎是正确的

    X = dataset[dataset['meta_labels']==1]
    #X = dataset[dataset.columns[:-2]]
    X = X[X.columns[:-2]]

否则第一行就说不通了，因为在第二行中，数据复制的条件被再次执行，这就导致了复制时没有通过元模型的目标 "1 "进行过滤。

我刚刚开始学习 python，可能会出错，所以我才问.....。

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

我的代码比原始代码运行得更快一些:)所以训练速度更快。但我使用的是 GPU。

请说明这是否是代码中的错误

正确的表达式似乎是

否则，第一行根本没有意义，因为在第二行中，数据复制的条件被再次执行，这导致复制时没有根据元模型的目标 "1 "进行筛选。

我刚刚开始学习 python，可能会出错，所以我才问.....。

是的，你注意到了，你的代码是正确的。

我还有一个速度更快、略有不同的版本，我想把它作为一篇 mb 文章上传。

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

是的，您注意到了，您的代码是正确的。

我还有一个速度更快、略有不同的版本，我想把它作为一篇 mb 文章上传。

写吧，会很有趣的。

这是我在培训中得到的最好的结果。

这是一个单独的示例

我通过训练添加了初始化过程。

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

写吧，会很有趣的。

我在培训中获得的最大收获是

这是在一个单独的样本上

我通过培训添加了初始化过程。

好吧，你已经了解 Python 了。

如果出现这种情况，说明很难找到模式。在你的例子中，可能是因为数据的维度太高。我通常会放 5-10 个符号。

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
好了，你已经知道 python 了。

如果出现这种情况，说明很难找到模式。就你的情况而言，可能是因为数据的维度太高。我通常会放 5-10 个特征。

我不敢说自己是专家--所有数据都有 "字典"。

我很想找到这种方法的一些效果。到目前为止，我还没有发现有什么效果。一般来说，CatBoost 是在样本上进行训练的，没有任何 "魔力"--平衡点低于图片。因此，我希望能得到更有表现力的结果。

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

我不会自称精通--所有的 "字典"。

我很想找到这种方法的一些效果。到目前为止，我还没有发现有什么效果。总体而言，CatBoost 是在样本上进行训练的，没有任何 "魔法"--平衡点在图片下方。这就是为什么我期待一个更具表现力的结果。

如文章所示，效果会在多次迭代后出现。每次迭代训练都会变得更好。